医疗数据审核方法、装置、电子设备及计算机可读介质制造方法及图纸

本公开涉及一种基于疾病判定模型的医疗数据审核方法、装置、电子设备及计算机可读介质。涉及医疗信息处理领域，该方法包括：通过多个数据源获取被保人的医疗数据；对所述医疗数据进行数据处理生成特征数据；将所述特征数据输入至少一个疾病判定模型中以获取疾病风险数据；以及根据所述疾病风险数据与其对应的阈值确定医疗数据审核判定结果。本公开涉及的基于疾病判定模型的医疗数据审核方法、装置、电子设备及计算机可读介质，能够提高保险审核的效率与准确度。

Medical data audit methods, devices, electronic equipment and computer-readable media

【技术实现步骤摘要】
医疗数据审核方法、装置、电子设备及计算机可读介质
本公开涉及医疗信息处理领域，具体而言，涉及一种基于疾病判定模型的医疗数据审核方法、装置、电子设备及计算机可读介质。
技术介绍
人身保险是以人的寿命和身体为保险标的的保险。为了评估被保人的健康状况，以确定承保费率，各保险公司在接受客户投保申请时，要求其填写健康告知书、提供健康相关资料或授权合法采集其健康数据和病例资料用于风险评估。传统的流程中，一般由保险公司的医学核保员对健康和病例资料根据核保规则进行风险评估，以给出是否承保、以什么费率承保的结论。随着业务量的快速增长和新健康险核保需求，人工审核的效率无法满足业务发展需求，保险公司迫切需要由人工审核升级成机器自动审核。现有大部分保险核心系统包含核保模块，客户的健康档案通常事先录入或影像扫描到保险公司核保系统，以供核保员与核保规则进行人工比对。这种核保系统只是实现了核保“无纸化”，并未真正实现完全“自动化”。在现有技术中有一种医务智能核保方法和系统，通过采集体检信息与核保评点规则进行自动比对，得出结果。这种核保方法更进一步地实现了核保“自动化”。但是这种方法中核保评点规则依赖人工制定，无法实现自动化，执行效率低、人工成本高，并且受限于核保员的医学与核保经验，实际效果不可控。因此，需要一种新的基于疾病判定模型的医疗数据审核方法、装置、电子设备及计算机可读介质。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。<br>
技术实现思路
有鉴于此，本公开提供一种基于疾病判定模型的医疗数据审核方法、装置、电子设备及计算机可读介质，能够提高保险审核的效率与准确度。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一方面，提出一种基于疾病判定模型的医疗数据审核方法，该方法包括：通过至少一个数据源获取被保人的医疗数据；对所述医疗数据进行数据处理生成特征数据；将所述特征数据输入至少一个疾病判定模型中以获取疾病风险数据；以及根据所述疾病风险数据与其对应的阈值确定医疗数据审核判定结果。在本公开的一种示例性实施例中，还包括：通过历史医疗数据与机器学习算法建立疾病判定模型。在本公开的一种示例性实施例中，所述通过历史医疗数据与机器学习算法建立疾病判定模型包括：按照疾病特征将所述历史医疗数据进行分类；以及对每一类所述历史医疗数据分别通过所述机器学习算法建立所述疾病判定模型。在本公开的一种示例性实施例中，通过至少一个数据源获取被保人的医疗数据包括：获取所述多个数据源的数据；以及根据预定映射规则通过所述数据筛选生成所述医疗数据。在本公开的一种示例性实施例中，对所述医疗数据进行数据处理生成特征数据包括：对所述医疗数据进行自然语言结构化处理，生成结构化数据；对所述结构化数据进行归一化处理，生成归一化数据；以及对所述归一化数据进行特征处理，生成所述特征数据。在本公开的一种示例性实施例中，根据所述疾病风险数据与其对应的阈值确定医疗数据审核判定结果包括：通过所述疾病风险数据确定保险审核判定规则；以及通过所述疾病风险数据与对应的保险审核判定规则给出医疗数据审核判定结果。在本公开的一种示例性实施例中，根据所述疾病风险数据与其对应的阈值确定医疗数据审核判定结果包括：通过决策树、所述疾病风险数据与其对应的阈值给出所述医疗数据审核判定结果。根据本公开的一方面，提出一种保险审核装置，该装置包括：数据模块，用于通过至少一个数据源获取被保人的医疗数据；处理模块，用于对所述医疗数据进行数据处理生成特征数据；评分模块，用于将所述特征数据输入至少一个疾病判定模型中以获取疾病风险数据；以及结果模块，用于根据所述疾病风险数据与其对应的阈值给出医疗数据审核判定结果。根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。根据本公开的基于疾病判定模型的医疗数据审核方法、装置、电子设备及计算机可读介质，通过将不同来源的数据进行数据处理，并将所述数据输入疾病判定模型中，通过疾病评分进而进行医疗数据审核判定结果的方式，能够提高保险审核的效率与准确度。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种基于疾病判定模型的医疗数据审核方法的流程图。图2是根据另一示例性实施例示出的一种基于疾病判定模型的医疗数据审核方法的流程图。图3是根据另一示例性实施例示出的一种基于疾病判定模型的医疗数据审核方法的示意图。图4是根据一示例性实施例示出的一种基于疾病判定模型的医疗数据审核装置的框图。图5是根据一示例性实施例示出的一种电子设备的框图。图6是根据一示例性实施例示出一种计算机可读存储介质示意图。具体实施方式现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文档来自技高网...

【技术保护点】
1.一种基于疾病判定模型的医疗数据审核方法，其特征在于，包括：/n通过至少一个数据源获取被保人的医疗数据；/n对医疗数据进行数据处理生成特征数据；/n将所述特征数据输入至少一个疾病判定模型中以获取疾病风险数据；以及/n根据所述疾病风险数据与其对应的阈值确定所述医疗数据的审核判定结果。/n

【技术特征摘要】
1.一种基于疾病判定模型的医疗数据审核方法，其特征在于，包括：
通过至少一个数据源获取被保人的医疗数据；
对医疗数据进行数据处理生成特征数据；
将所述特征数据输入至少一个疾病判定模型中以获取疾病风险数据；以及
根据所述疾病风险数据与其对应的阈值确定所述医疗数据的审核判定结果。


2.如权利要求1所述的方法，其特征在于，还包括：
通过历史医疗数据与机器学习算法建立疾病判定模型。


3.如权利要求2述的方法，其特征在于，所述通过历史医疗数据与机器学习算法建立疾病判定模型包括：
按照疾病特征将所述历史医疗数据进行分类；以及
每一类历史医疗数据分别通过所述机器学习算法建立所述疾病判定模型。


4.如权利要求1所述的方法，其特征在于，通过至少一个数据源获取被保人的医疗数据包括：
通过所述至少一个数据源获取被保人的数据；以及
根据预定映射规则通过数据筛选生成所述医疗数据。


5.如权利要求1所述的方法，其特征在于，对医疗数据进行数据处理生成特征数据包括：
对所述医疗数据进行自然语言结构化处理，生成结构化数据；
对所述结构化数据进行归一化处理，生成归一化数据；以及
对所述归一化数据进行特征处理，生成所述特征数据。


6.如...

【专利技术属性】
技术研发人员：郭潇宇，李羽涵，
申请(专利权)人：天津幸福生命科技有限公司，
类型：发明
国别省市：天津;12